技术栈
off-policy
zh路西法
11 天前
python
·
强化学习
·
ddpg
·
td3
·
sb3
·
off-policy
·
sac
【离策略强化学习】DDPG、TD3 与 SAC：核心公式推导与源码解析
强化学习算法On-policyOff-policyPPOA2CTRPODQNDDPGTD3SAC说人话：在策略是"边做边学、做完就忘"，离策略是"先记在本子上，回头反复翻"
爱听歌的周童鞋
1 个月前
强化学习
·
q-learning
·
on-policy
·
off-policy
强化学习的数学原理 | 赵世钰 | 西湖大学 | 笔记 | Lecture 7 | Part 7 | 时序差分方法（Q-learning 伪代码与例子）
学习赵老师讲授的强化学习的数学原理视频，本篇文章记录第七讲 Part 7：时序差分方法（Q-learning 伪代码与例子），记录个人学习笔记，和大家一起分享交流😄
我是有底线的